- Publicado el
En este post, documentaré un ejemplo de flujo de trabajo para la generación de código Python utilizando Mistral AI Agents.Descripción general de Mistral AI Agents
Inspirado en el flujo de trabajo de Python Agent documentado en los recursos oficiales de Mistral, desarrollé un flujo de trabajo personalizado llamado gen_code_workflow. El objetivo de este flujo de trabajo es automatizar la generación de scripts Python basados en instrucciones proporcionadas por el usuario. Se integra un bucle en el flujo de trabajo para manejar la ejecución del script y reintentar en caso de errores.
El flujo de trabajo utiliza tres agentes de Mistral AI:
- Python Code Generator Agent: Genera scripts Python basados en las entradas del usuario.
- Python Code Fixer Agent: Intenta corregir errores de ejecución en el código generado.
- Judge Agent: Evalúa el script Python en función de las instrucciones del usuario y proporciona una puntuación entre 0 y 10.
Argumentos del flujo de trabajo
El gen_code_workflow acepta los siguientes argumentos:
- Instrucciones del usuario (str)
- Opcional: Ruta del archivo para guardar el script Python resultante (str)
- Opcional: Modo de depuración (bool)
Diagrama del flujo de trabajo

Diagrama generado utilizando la integración de Excalidraw con Mermaid.
Ejemplo de ejecución
gen_code_workflow("""
Generate a method to search Wikipedia for a specific topic.
You will receive the search topic as an argument. If no argument is passed, set a default.
The method should return information found on Wikipedia.
Use a publicly available Python library to access Wikipedia.
Do not limit the number of sentences.
Handle errors in case the topic is not found.
Document the method with its arguments and return values.
""","test.py", False)
Score: 8.5
Script Python resultante
import wikipedia
import subprocess
import sys
# Install the wikipedia library if it's not already installed
try:
import wikipedia
except ImportError:
subprocess.check_call([sys.executable, '-m', 'pip', 'install', 'wikipedia'])
def search_wikipedia(topic='Python programming language'):
"""
Search Wikipedia for a given topic and return the information found.
Args:
topic (str): The topic to search on Wikipedia. Defaults to 'Python programming language'.
Returns:
str: The information found on Wikipedia for the specified topic.
If the topic is not found, returns a user-friendly error message.
"""
try:
# Search Wikipedia for the provided topic
page = wikipedia.page(topic)
return page.content
except wikipedia.exceptions.PageError:
# Handle the case where the topic is not found
return f"The topic '{topic}' was not found on Wikipedia."
except wikipedia.exceptions.DisambiguationError as e:
# Handle disambiguation errors by returning a message with possible options
return f"The topic '{topic}' is ambiguous. Possible options are: {e.options}"
if __name__ == "__main__":
print(search_wikipedia('Artificial Intelligence'))
Enlaces útiles
- Documentación de Mistral AI Agents
- API de Mistral AI Agents
- Repositorio de GitHub para la biblioteca cliente de Python de Mistral AI
¿Disfrutaste este post? ¿Te resultó útil? No dudes en dejar un comentario a continuación para compartir tus pensamientos o hacer preguntas. Se requiere una cuenta de GitHub para unirse a la discusión.
Sigue leyendo
Posts relacionados
Oct 2, 2024
0ComentariosConversación con un Agente de Mistral AI
Un ejemplo de una conversación utilizando un Agente de Mistral AI
Dec 25, 2024
0ComentariosEvaluación de la precisión de texto en imágenes generadas por IA: Una comparación entre DALL-E 3 y Mistral
Este post evalúa la capacidad de DALL-E 3 y Mistral para generar imágenes que contengan texto preciso, palabras y formato exactamente como se indica en los prompts, utilizando OCR para la verificación a través de GPT-4o.
Nov 23, 2024
0ComentariosCodestral IA: Modelo generativo para la generación de código
Descubre Codestral, un nuevo modelo de IA generativo de peso abierto de Mistral AI diseñado para la generación de código. Conoce sus capacidades multilingües, rendimiento y accesibilidad.